news 2026/10/14 4:45:25

Gemini 4 双子星上架:gemini-4-argon 和 gemini-4-barium,tryallapi 今天就能调

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
Gemini 4 双子星上架:gemini-4-argon 和 gemini-4-barium,tryallapi 今天就能调

Gemini 4 双子星上架:gemini-4-argon 和 gemini-4-barium,tryallapi 今天就能调

备选标题:

  1. Gemini 4 双子星上架:gemini-4-argon 和 gemini-4-barium,tryallapi 今天就能调(✅ 采用)
  2. 刚上新!gemini-4-argon / gemini-4-barium 一个 Key 直接用
  3. 想尝鲜 Gemini 4?这俩模型 tryallapi 已经上架了

说个刚看到的消息:今天(10 月 13 日)下午 tryallapi 站内公告挂出来一条——模型上架:gemini-4-argon、gemini-4-barium。名字里带着 “gemini-4”,我第一反应就是赶紧去模型广场翻了一下,顺手把能查到的信息都整理在这儿了。

这俩模型是什么?

先说清楚:下面的介绍全部来自 tryallapi 模型广场的站内描述,我没跑分,也不替它吹性能,具体效果大家自己上手试最靠谱。

  • gemini-4-argon:站内描述是“在编码、推理和多模态方面的能力,以及其持续执行长时间多步骤任务的能力,使其能够在多种企业工作流程中表现出色”。
  • gemini-4-barium:站内描述称它是 “Gemini4 内部迭代候选原型(Barium-B 演变为 Argon)”,并写了“百万上下文、多模态、代码 / 法务金融 / 漏洞推理、工具调用能力”。上下文长度这些具体参数,以站内说明为准。

两个模型在站内的标签一样:对话 / 识图 / 工具,供应商归类在 Google 下。

价格:两个一个价

模型广场里两个模型价格完全一样(截图时间 2026-10-13,最终以页面为准):

模型输入补全(输出)缓存命中可用分组
gemini-4-argon$0.2941 / 1M Tokens$1.4710 / 1M Tokens$0.0147 / 1M TokensAnti-Gemini-1、Cli-Gemini-1
gemini-4-barium$0.2941 / 1M Tokens$1.4710 / 1M Tokens$0.0147 / 1M TokensAnti-Gemini-1、Cli-Gemini-1

两个分组的倍率都是 x0.1471,按量计费,详情页上标着“省 85%”。另外站点首页写的是充值按 $1 起、余额不过期。

适合拿来干嘛?

按站内描述,比较对口的是这几类:

  • 写代码、改代码、做多步骤的 Agent 任务(argon 描述里专门提了“长时间多步骤任务”);
  • 带图片的问答(标签有“识图”);
  • 需要 function calling / 工具调用的业务(标签有“工具”)。

我的建议是两个都拿同一批 prompt 跑一遍,价格一样,哪个顺手用哪个。

在 tryallapi 怎么调?

详情页显示支持两种端点:

  • openai:POST /v1/chat/completions
  • gemini:POST /v1beta/models/{model}:generateContent

base_url 用站点首页示例里的https://tryallapi.com/v1。令牌记得选到 Anti-Gemini-1 或 Cli-Gemini-1 分组。

curl(OpenAI 兼容):

curlhttps://tryallapi.com/v1/chat/completions\-H"Authorization: Bearer$TRYALLAPI_KEY"\-H"Content-Type: application/json"\-d'{ "model": "gemini-4-argon", "messages": [{"role": "user", "content": "用三句话解释什么是 RAG"}] }'

Python(openai SDK):

fromopenaiimportOpenAI client=OpenAI(api_key="你的 tryallapi 令牌",base_url="https://tryallapi.com/v1")resp=client.chat.completions.create(model="gemini-4-barium",# 或 gemini-4-argonmessages=[{"role":"user","content":"帮我 review 一下这段 Python 代码……"}],)print(resp.choices[0].message.content)

Gemini 原生格式:

curl"https://tryallapi.com/v1beta/models/gemini-4-argon:generateContent"\-H"Authorization: Bearer$TRYALLAPI_KEY"\-H"Content-Type: application/json"\-d'{"contents":[{"parts":[{"text":"你好,介绍一下你自己"}]}]}'

鉴权头的写法以站内 API 文档为准。另外站内 Google 供应商说明里写了:部分模型支持在模型名后加-thinking/-nothinking区分思考模式,这两款支不支持,以站内说明为准。

最后

新模型刚上架那会儿最适合尝鲜,价格也摆在那里,花几毛钱就能跑一轮对比。还没账号的话,可以从这里注册:👉 https://tryallapi.com/register?aff=5A6A

注册 → 充值 → 建令牌(选对分组)→ 把 model 改成gemini-4-argon或gemini-4-barium,就这么几步。用下来什么感受,欢迎评论区聊聊~

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/10/14 4:45:21

大模型长时会话记忆评估指南:从评测脚本到指标设计

引言:为什么我突然盯上“长时会话记忆”这件事先说个现象。你随手打开一个聊天机器人,问它“上周我说过想买什么来着”,大部分情况下你会得到一个礼貌的道歉。这背后的核心关键词就是长时会话记忆:对话超过几百轮之后,…

作者头像 李华
网站建设 2026/10/14 4:45:18

Zed接入MCP服务器:让AI助手实时联网查资料与搜索

最近和几个朋友聊 AI 编程工具链,发现不少人开始从各种编辑器切换到 Zed。原因挺简单:启动快、渲染流畅、原生支持多光标和 AI 功能。但真正让 Zed 拉开差距的,是它对 MCP(Model Context Protocol,模型上下文协议&…

作者头像 李华
网站建设 2026/10/14 4:45:18

用Python做线性回归:从数据清洗到模型上线的完整实战

年底帮某电商团队看他们的销量预测,第一版跑出来的R有0.96,看着漂亮极了。但等模型真上线,预测值和实际值差了快30%。回头翻原始数据才发现,他们提供的日期列长这样:“2024年1月3日”,Pandas压根没把它读成…

作者头像 李华
网站建设 2026/10/14 4:45:12

LangGraph 并行分支与人工介入中断

本文档系统梳理 LangGraph 中控制流的核心机制:add_edge、Send、Command 的差异与用法,并行分支的多种实现方式,以及人工介入中断(interrupt)的完整恢复逻辑。所有结论均基于实际运行测试。第一部分:控制流…

作者头像 李华
网站建设 2026/10/14 4:45:00

CTF-MISC从零到一:核心题型分类、工具链与解题思维全解析

1. 从零拆解CTF-MISC:这个方向到底在考什么刚接触CTF那会儿,我一度觉得MISC是所有方向里最“不讲道理”的一个。Web有漏洞类型可循,Reverse有汇编逻辑可推,Crypto有数学公式可算,唯独MISC,每次拿到题目都像…

作者头像 李华
网站建设 2026/10/14 4:45:00

GoLand调试报错DWARF too short?从Delve原理到排查全链路

1. 这个报错到底在说什么:从DWARF调试信息说起如果你在用GoLand点下那个绿色小虫子图标,结果等来的不是断点命中,而是一行红字:could not launch process: decoding dwarf section info at offset 0x0: too short,那你…

作者头像 李华